Daten in BigQuery über JupyterLab abfragen

Daten in BigQuery über JupyterLab abfragen

Auf dieser Seite wird gezeigt, wie Sie in BigQuery gespeicherte Daten über die JupyterLab-Oberfläche Ihrer Vertex AI Workbench-Instanz abfragen.

Methoden zum Abfragen von BigQuery-Daten in Notebookdateien (IPYNB)

Wenn Sie BigQuery-Daten in einer JupyterLab-Notebookdatei abfragen möchten, können Sie den magischen Befehl %%bigquery und die BigQuery-Clientbibliothek für Python verwenden.

Vertex AI Workbench-Instanzen enthalten auch eine BigQuery-Einbindung, mit der Sie in Daten über die JupyterLab-Oberfläche suchen und abfragen können.

Auf dieser Seite wird die Verwendung der einzelnen Methoden beschrieben.

Hinweis

Falls noch nicht geschehen, erstellen Sie eine Vertex AI Workbench-Instanz.

Erforderliche Rollen

Damit das Dienstkonto Ihrer Instanz die erforderlichen Berechtigungen zum Abfragen von Daten in BigQuery hat, bitten Sie Ihren Administrator, dem Dienstkonto Ihrer Instanz die IAM-Rolle „Service Usage-Nutzer“ (roles/serviceusage.serviceUsageConsumer) für das Projekt zu gewähren. Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Ihr Administrator kann dem Dienstkonto Ihrer Instanz möglicherweise auch die erforderlichen Berechtigungen über benutzerdefinierte Rollen oder andere vordefinierte Rollen erteilen.

JupyterLab öffnen

1. Rufen Sie in der Google Cloud Console die Seite Instanzen auf.

   Zur Seite „VM-Instanzen“

2. Klicken Sie neben dem Namen der Vertex AI Workbench-Instanz auf JupyterLab öffnen.

   Ihre Vertex AI Workbench-Instanz öffnet JupyterLab.

BigQuery-Ressourcen durchsuchen

Die BigQuery-Einbindung bietet einen Bereich zum Durchsuchen der BigQuery-Ressourcen, auf die Sie Zugriff haben.

1. Klicken Sie im JupyterLab-Navigationsmenü auf  BigQuery in Notebooks.

   Im Bereich BigQuery werden die verfügbaren Projekte und Datasets aufgeführt, in denen Sie Aufgaben so ausführen können:

   • Doppelklicken Sie auf den Namen eines Datasets, um die Beschreibung des Datasets aufzurufen.
   • Erweitern Sie das Dataset, um dessen Tabellen, Ansichten und Modelle anzuzeigen.
   • Doppelklicken Sie auf eine Tabelle, eine Ansicht oder ein Modell, um eine Kurzbeschreibung als Tab in JupyterLab zu öffnen.

   Hinweis: Klicken Sie in der Kurzbeschreibung für eine Tabelle auf den Tab Vorschau, um eine Vorschau der Tabellendaten aufzurufen. Die folgende Abbildung zeigt eine Vorschau der Tabelle international_top_terms, die im google_trends-Dataset im bigquery-public-data-Projekt zu finden ist:

   

Daten mit dem magischen %%bigquery-Befehl abfragen

In diesem Abschnitt schreiben Sie SQL direkt in Notebook-Zellen und schreiben Daten aus BigQuery in das Python-Notebook.

Mit magischen Befehlen, die ein einzelnes oder doppeltes Prozentzeichen (% oder %%) verwenden, nutzen Sie eine minimale Syntax zur Interaktion mit BigQuery im Notebook. Die BigQuery-Clientbibliothek für Python wird in einer Vertex AI Workbench-Instanz automatisch installiert. Im Hintergrund verwendet der magische Befehl %%bigquery die BigQuery-Clientbibliothek für Python, um die angegebene Abfrage auszuführen. Die Ergebnisse werden in ein Pandas-DataFrame umgewandelt und optional in einer Variablen gespeichert. Anschließend werden die Ergebnisse angezeigt.

Hinweis: Ab Version 1.26.0 des Python-Pakets google-cloud-bigquery wird die BigQuery Storage API standardmäßig verwendet, um Ergebnisse aus den magischen %%bigquery-Befehlen herunterzuladen.

1. Wählen Sie zum Öffnen einer Notebook-Datei Datei > Neu > Notebook aus.

2. Wählen Sie im Dialogfeld Kernel auswählen die Option Python 3 aus und klicken Sie dann auf Auswählen.

   Ihre neue IPYNB-Datei wird geöffnet.

3. Geben Sie folgende Anweisung ein, um die Anzahl der Regionen nach Land im Dataset international_top_terms abzurufen:

   %%bigquery
   SELECT
     country_code,
     country_name,
     COUNT(DISTINCT region_code) AS num_regions
   FROM
     `bigquery-public-data.google_trends.international_top_terms`
   WHERE
     refresh_date = DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY)
   GROUP BY
     country_code,
     country_name
   ORDER BY
     num_regions DESC;

4. Klicken Sie auf  Zelle ausführen.

   Die Ausgabe sieht in etwa so aus:

   Query complete after 0.07s: 100%|██████████| 4/4 [00:00<00:00, 1440.60query/s]
   Downloading: 100%|██████████| 41/41 [00:02<00:00, 20.21rows/s]
   country_code      country_name    num_regions
   0   TR  Turkey         81
   1   TH  Thailand       77
   2   VN  Vietnam        63
   3   JP  Japan          47
   4   RO  Romania        42
   5   NG  Nigeria        37
   6   IN  India          36
   7   ID  Indonesia      34
   8   CO  Colombia       33
   9   MX  Mexico         32
   10  BR  Brazil         27
   11  EG  Egypt          27
   12  UA  Ukraine        27
   13  CH  Switzerland    26
   14  AR  Argentina      24
   15  FR  France         22
   16  SE  Sweden         21
   17  HU  Hungary        20
   18  IT  Italy          20
   19  PT  Portugal       20
   20  NO  Norway         19
   21  FI  Finland        18
   22  NZ  New Zealand    17
   23  PH  Philippines    17
   ...
   

   Hinweis: Ihre Ergebnisse können von den obigen Ergebnissen abweichen, da das abgefragte google_trends-Dataset kontinuierlich mit neuen Daten aktualisiert wird.

5. Geben Sie in die nächste Zelle (unter der Ausgabe der vorherigen Zelle) den folgenden Befehl ein, um dieselbe Abfrage auszuführen. Dieses Mal speichern Sie die Ergebnisse jedoch in einem neuen Pandas-DataFrame namens regions_by_country. Sie geben diesen Namen über ein Argument mit dem magischen Befehl %%bigquery an.

   %%bigquery regions_by_country
   SELECT
     country_code,
     country_name,
     COUNT(DISTINCT region_code) AS num_regions
   FROM
     `bigquery-public-data.google_trends.international_top_terms`
   WHERE
     refresh_date = DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY)
   GROUP BY
     country_code, country_name
   ORDER BY
     num_regions DESC;

   Hinweis: Weitere Informationen zu verfügbaren Argumenten für den %%bigquery-Befehl finden Sie in der Clientbibliothek-Dokumentation der magischen Befehle.

6. Klicken Sie auf  Zelle ausführen.

7. Geben Sie in die nächste Zelle folgenden Befehl ein, um die ersten Zeilen der Abfrageergebnisse aufzurufen, die Sie gerade eingelesen haben:

   regions_by_country.head()
   

8. Klicken Sie auf  Zelle ausführen.

   Der Pandas-DataFrame regions_by_country kann jetzt dargestellt werden.

Daten über die BigQuery-Clientbibliothek direkt abfragen

In diesem Abschnitt verwenden Sie die BigQuery-Clientbibliothek für Python direkt, um Daten in das Python-Notebook einzulesen.

Mit der Clientbibliothek haben Sie mehr Kontrolle über Ihre Abfragen und können komplexere Konfigurationen für Abfragen und Jobs nutzen. Durch die Einbindung der Bibliothek in Pandas können Sie deklarativen SQL-Dialekt mit imperativem Code (Python) kombinieren, um die Daten zu analysieren, zu visualisieren und zu transformieren.

Hinweis: Sie können verschiedene Python-Bibliotheken für Datenanalyse, Data Wrangling und Visualisierung verwenden, z. B. numpy, pandas, matplotlib viele weitere. Mehrerer dieser Bibliotheken basieren auf einem DataFrame-Objekt.

1. Geben Sie in die nächste Zelle folgenden Python-Code ein, um die BigQuery-Clientbibliothek für Python zu importieren und einen Client zu initialisieren:

   from google.cloud import bigquery
   
   client = bigquery.Client()
   

   Der BigQuery-Client wird zum Senden und Empfangen von Nachrichten von der BigQuery API verwendet.

2. Klicken Sie auf  Zelle ausführen.

3. Geben Sie in die nächste Zelle folgenden Code ein, um den Prozentsatz der täglichen Top-Suchbegriffe in den US-top_terms abzurufen, die sich im Laufe der Zeit überschneiden; dabei wird deren Abstand nach Tagen berücksichtigt. Der Grundgedanke ist dabei, dass Sie sich die Top-Begriffe des jeweiligen Tages ansehen und herausfinden, welcher Prozentsatz dieser Begriffe mit den Top-Begriffen vom Vortag, von zwei Tagen zuvor, drei Tagen zuvor usw. überlappen. Es werden Paare von Datumsangaben über einen Zeitraum von einem Monat berücksichtigt.

   sql = """
   WITH
     TopTermsByDate AS (
       SELECT DISTINCT refresh_date AS date, term
       FROM `bigquery-public-data.google_trends.top_terms`
     ),
     DistinctDates AS (
       SELECT DISTINCT date
       FROM TopTermsByDate
     )
   SELECT
     DATE_DIFF(Dates2.date, Date1Terms.date, DAY)
       AS days_apart,
     COUNT(DISTINCT (Dates2.date || Date1Terms.date))
       AS num_date_pairs,
     COUNT(Date1Terms.term) AS num_date1_terms,
     SUM(IF(Date2Terms.term IS NOT NULL, 1, 0))
       AS overlap_terms,
     SAFE_DIVIDE(
       SUM(IF(Date2Terms.term IS NOT NULL, 1, 0)),
       COUNT(Date1Terms.term)
       ) AS pct_overlap_terms
   FROM
     TopTermsByDate AS Date1Terms
   CROSS JOIN
     DistinctDates AS Dates2
   LEFT JOIN
     TopTermsByDate AS Date2Terms
     ON
       Dates2.date = Date2Terms.date
       AND Date1Terms.term = Date2Terms.term
   WHERE
     Date1Terms.date <= Dates2.date
   GROUP BY
     days_apart
   
   ORDER BY
     days_apart;
   """
   pct_overlap_terms_by_days_apart = client.query(sql).to_dataframe()
   
   pct_overlap_terms_by_days_apart.head()

   Das verwendete SQL-Objekt ist in einem Python-String gekapselt und wird dann zur Ausführung einer Abfrage an die query()-Methode übergeben. Die to_dataframe-Methode wartet, bis die Abfrage abgeschlossen ist, und lädt die Ergebnisse mit der BigQuery Storage API in einen Pandas-DataFrame.

4. Klicken Sie auf  Zelle ausführen.

   Die ersten Zeilen der Abfrageergebnisse werden unterhalb der Codezelle angezeigt.

      days_apart   num_date_pairs  num_date1_terms overlap_terms   pct_overlap_terms
    0          0             32               800            800            1.000000
    1          1             31               775            203            0.261935
    2          2             30               750             73            0.097333
    3          3             29               725             31            0.042759
    4          4             28               700             23            0.032857
   

   Hinweis: Ihre Ergebnisse können von den obigen Ergebnissen abweichen, da das abgefragte google_trends-Dataset kontinuierlich mit neuen Daten aktualisiert wird.

Weitere Informationen zur Verwendung von BigQuery-Clientbibliotheken finden Sie in der Kurzanleitung Clientbibliotheken verwenden.

Daten mit der BigQuery-Einbindung in Vertex AI Workbench abfragen

Die BigQuery-Einbindung bietet zwei zusätzliche Methoden zum Abfragen von Daten. Diese Methoden unterscheiden sich von dem magischen %%bigquery-Befehl.

• Der Zellenabfrageeditor ist ein Zellentyp, den Sie in Ihren Notebookdateien verwenden können.

• Der eigenständige Abfrageeditor wird in JupyterLab als separater Tab geöffnet.

Zellenabfrage

Gehen Sie so vor, um Daten in einer BigQuery-Tabelle mit dem Zellenabfrageeditor abzufragen:

1. Öffnen Sie in JupyterLab eine Notebook-Datei (IPYNB) oder erstellen Sie eine neue.

2. Klicken Sie zum Erstellen eines Zellenabfrageeditors auf die Zelle und dann rechts neben der Zelle auf die Schaltfläche  BigQuery-Einbindung. Sie können alternativ in eine Markdown-Zelle #@BigQuery eingeben.

   Die BigQuery-Einbindung wandelt die Zelle in einen Zellenabfrageeditor um.

3. Schreiben Sie in einer neuen Zeile unter #@BigQuery Ihre Abfrage mit den unterstützten Anweisungen und SQL-Dialekten von BigQuery. Wenn in Ihrer Abfrage Fehler erkannt werden, wird rechts oben im Abfrageeditor eine Fehlermeldung angezeigt. Wenn die Abfrage gültig ist, wird die geschätzte Anzahl der zu verarbeitenden Byte angezeigt.

4. Klicken Sie auf Abfrage senden. Ihre Abfrageergebnisse werden angezeigt. Standardmäßig enthalten Abfrageergebnisse eine Paginierung von 100 Zeilen pro Seite und sind auf insgesamt 1.000 Zeilen beschränkt. Sie können diese Einstellungen jedoch am Ende der Ergebnistabelle ändern. Beschränken Sie im Abfrageeditor die Abfrage auf die Daten, die Sie zur Überprüfung benötigen. Sie führen diese Abfrage noch einmal in einer Notebookzelle aus, um das Limit bei Bedarf für den vollständigen Ergebnissatz anzupassen.

   Hinweis: Abfragetext und Ergebnisse bleiben nach dem Schließen und erneuten Öffnen der Notebookdatei erhalten.

5. Klicken Sie auf Abfragen und als DataFrame laden, um automatisch eine neue Zelle mit einem Codesegment hinzuzufügen, das die BigQuery-Clientbibliothek für Python importiert, die Abfrage in einer Notebook-Zelle ausführt und die Ergebnisse in einem Pandas-Dataframe mit dem Namen df speichert.

Eigenständige Abfrage

Führen Sie die folgenden Schritte aus, um mit dem eigenständigen Abfrageeditor Daten in einer BigQuery-Tabelle abzufragen:

1. Klicken Sie in JupyterLab im Bereich BigQuery in Notebooks mit der rechten Maustaste auf eine Tabelle und wählen Sie Tabelle abfragen aus oder klicken Sie doppelt auf eine Tabelle, um eine Beschreibung in einem separaten Tab zu öffnen, und klicken Sie dann auf den Link Abfragetabelle.

2. Schreiben Sie Ihre Abfrage mit den unterstützten Anweisungen und SQL-Dialekten von BigQuery. Wenn in Ihrer Abfrage Fehler erkannt werden, wird rechts oben im Abfrageeditor eine Fehlermeldung angezeigt. Wenn die Abfrage gültig ist, wird die geschätzte Anzahl der zu verarbeitenden Byte angezeigt.

3. Klicken Sie auf Abfrage senden. Ihre Abfrageergebnisse werden angezeigt. Standardmäßig enthalten Abfrageergebnisse eine Paginierung von 100 Zeilen pro Seite und sind auf insgesamt 1.000 Zeilen beschränkt. Sie können diese Einstellungen jedoch am Ende der Ergebnistabelle ändern. Beschränken Sie im Abfrageeditor die Abfrage auf die Daten, die Sie zur Überprüfung benötigen. Sie führen diese Abfrage noch einmal in einer Notebookzelle aus, um das Limit bei Bedarf für den vollständigen Ergebnissatz anzupassen.

4. Klicken Sie auf Code für DataFrame kopieren, um ein Codesegment zu kopieren, das die BigQuery-Clientbibliothek für Python importiert, Ihre Abfrage in einer Notebookzelle ausführt und die Ergebnisse in einem Pandas-Dataframe mit dem Namen df speichert. Fügen Sie diesen Code einer Notebook-Zelle hinzu, in der Sie ihn ausführen möchten.

Abfrageverlauf anzeigen und Abfragen wiederverwenden

Führen Sie die folgenden Schritte aus, um den Abfrageverlauf als Tab in JupyterLab anzuzeigen:

1. Klicken Sie im JupyterLab-Navigationsmenü auf  BigQuery in Notebooks, um den Bereich BigQuery zu öffnen.

2. Scrollen Sie im Bereich BigQuery nach unten und klicken Sie auf BigQuery.

   

   Eine Liste Ihrer Abfragen wird in einem neuen Tab geöffnet. Hier können Sie beispielsweise folgende Aufgaben ausführen:

   • Klicken Sie auf die Abfrage, um die Details der Abfrage (Job-ID, Zeit der Ausführung, Dauer der Abfrage usw.) aufzurufen.
   • Klicken Sie auf Abfrage im Editor öffnen, um die Abfrage zu überarbeiten, noch einmal auszuführen oder zur späteren Nutzung in Ihr Notebook zu kopieren.

Hinweis: Wenn Sie nach dem Öffnen dieses Tabs Abfragen ausführen, klicken Sie auf  Aktualisieren, um die aktuellsten Abfragen anzuzeigen.

Nächste Schritte

• Beispiele zum Visualisieren der Daten aus Ihren BigQuery-Tabellen finden Sie unter Daten in BigQuery untersuchen und visualisieren innerhalb von JupyterLab.

• Informationen zum Schreiben von Abfragen für BigQuery finden Sie unter Interaktive Abfragen und Batch-Abfragejobs ausführen.

• Zugriff auf BigQuery-Datasets steuern